翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# Amazon Personalize レコメンデーションの影響の測定
<a name="measuring-recommendation-impact"></a>

顧客がレコメンデーションに反応するにつれて、Amazon Personalize レコメンデーションが目標達成にどのように役立っているかを測定できます。どのキャンペーンやレコメンダーが主要なパフォーマンスメトリクスに最も影響を与えるかを特定できます。例えば、どのリソースが最も多くの視聴時間、最も多くのクリック、または最も多くの購入を生成しているかを特定できます。また、Amazon Personalize レコメンデーションのパフォーマンスを、サードパーティのサービスによって生成されたレコメンデーションと比較できます。

 どのキャンペーンまたはレコメンダーが最も影響を与えているかがわかったら、レコメンデーションからさらにメリットを得るためのアクションを実行できます。例えば、サイト上のレコメンデーションのプロミネンスを高めて、エンゲージメントを高めることができます。または、パーソナライズされた E メールやターゲット広告など、マーケティングキャンペーンでレコメンデーションを取り上げることもできます。

 予想される影響がないリソースを特定した場合は、レコメンデーションを改善するためのアクションを実行できます。例えば、Amazon Personalize コンソールを使用して、リソースの作成、推奨データの改善、データの再インポートに使用されるトレーニングデータを分析できます。データの分析の詳細については、「[Amazon Personalize データセット内のデータの品質と量の分析](analyzing-data.md)」を参照してください。

レコメンデーションのインパクトを測定するには、以下が役立ちます。
+ [メトリックス属性](metric-attributions.md): Amazon Personalize のメトリクス属性は、指定したメトリクスと、インポートしたアイテムインタラクションとアイテムのデータに基づいてレポートを作成します。例えば、ユーザーが視聴した映画の合計時間やクリックイベントの総数などです。メトリクス属性を作成すると、Amazon Personalize は [PutEvents](API_UBS_PutEvents.md) API オペレーションと増分バルクデータからイベントに関するメトリクスを自動的に Amazon CloudWatch に送信します。バルクデータの場合は、レポートを Amazon S3 バケットに発行することを選択できます。
+  [A/B テスト](ab-testing-recommendations.md): Amazon Personalize レコメンデーションを使用して A/B テストを実行するには、さまざまなユーザーグループにさまざまなタイプのレコメンデーションを表示し、結果を比較します。A/B テストを使用すると、さまざまなレコメンデーション戦略を比較および評価し、モデルのパフォーマンスを評価して、レコメンデーションの影響を測定できます。

**Topics**
+ [メトリクス属性によるレコメンデーション効果の測定](metric-attributions.md)
+ [A/B テストを使用したレコメンデーションの影響の測定](ab-testing-recommendations.md)